随着半导体技术的不断发展,芯片制程的特征尺寸已由28nm、14nm、向7nm、5nm及以下逐步减小,工艺波动对器件性能的影响也变得越来越明显,因此统计模型对于EDA软件开发,IC设计(IC-Design)显得愈加重要。尤其对于系统波动和随机波动带来的...随着半导体技术的不断发展,芯片制程的特征尺寸已由28nm、14nm、向7nm、5nm及以下逐步减小,工艺波动对器件性能的影响也变得越来越明显,因此统计模型对于EDA软件开发,IC设计(IC-Design)显得愈加重要。尤其对于系统波动和随机波动带来的器件性能的变化进行了统计分析和参数提取,在良率分析中有着至关重要的作用;为此,统计模型的提取,特别是一些非线性特性的分析应用,需要更多的研究。本文提出一种新的统计模型提取方法-主元向后传递(backward propagation of principal component,BPPC)。其相较传统方法,具有高效易用、极大地降低了统计模型的提取难度,并实现了统计模型从线性到非线性的扩展等特点。本文将从理论分析、算法流程、非线性扩展、应用实例等几部分对BPPC进行具体介绍。展开更多
文摘随着半导体技术的不断发展,芯片制程的特征尺寸已由28nm、14nm、向7nm、5nm及以下逐步减小,工艺波动对器件性能的影响也变得越来越明显,因此统计模型对于EDA软件开发,IC设计(IC-Design)显得愈加重要。尤其对于系统波动和随机波动带来的器件性能的变化进行了统计分析和参数提取,在良率分析中有着至关重要的作用;为此,统计模型的提取,特别是一些非线性特性的分析应用,需要更多的研究。本文提出一种新的统计模型提取方法-主元向后传递(backward propagation of principal component,BPPC)。其相较传统方法,具有高效易用、极大地降低了统计模型的提取难度,并实现了统计模型从线性到非线性的扩展等特点。本文将从理论分析、算法流程、非线性扩展、应用实例等几部分对BPPC进行具体介绍。